Do Malnutrition, Sarcopenia and Frailty Overlap in Nursing-Home Residents?
Notice bibliographique
Résumé
OBJECTIVES: To study the prevalence and overlap between malnutrition, sarcopenia and frailty in a selected group of nursing home (NH) residents. DESIGN: Cross-sectional descriptive study. SETTING: Nursing homes (NH). PARTICIPANTS: 92 residents taking part in an exercise and oral nutritional supplementation study; >75 years old, able to rise from a seated position, body mass index ≤30 kg/m2 and not receiving protein-rich oral nutritional supplements. MEASUREMENTS: The MNA-SF and Global Leadership Initiative on Malnutrition (GLIM) criteria were used for screening and diagnosis of malnutrition (moderate or severe), respectively. Sarcopenia risk was assessed by the SARC-F Questionnaire (0-10p; ≥4=increased risk), and for diagnosis the European Working Group of Sarcopenia in Older People (EWGSOP2) criteria was used. To screen for frailty the FRAIL Questionnaire (0-5p; 1-2p indicating pre-frailty, and >3p indicating frailty), was employed. RESULTS: Average age was 86 years; 62% were women. MNA-SF showed that 30 (33%) people were at risk or malnourished. The GLIM criteria verified malnutrition in 16 (17%) subjects. One third (n=33) was at risk for sarcopenia by SARC-F. Twenty-seven (29%) subjects displayed confirmed sarcopenic according to EWGSOP2. Around 50% (n=47) was assessed as pre-frail or frail. Six people (7%) suffered from all three conditions. Another five (5%) of the residents were simultaneously malnourished and sarcopenic, but not frail, while frailty coexisted with sarcopenia in 10% (n=9) of non-malnourished residents. Twenty-nine (32%) residents were neither malnourished, sarcopenic nor frail. CONCLUSIONS: In a group of selected NH residents a majority was either (pre)frail (51%), sarcopenic (29%) or malnourished (17%). There were considerable overlaps between the three conditions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».